08 abril 2022
3 minutos para leer
Fuente / Divulgaciones
Publicado por:
Plácido D, et al. Resumen LB550. Presentado en: Reunión Anual de la Asociación Americana para la Investigación del Cáncer; del 8 al 13 de abril de 2022; Nueva Orleans.
Divulgaciones: Yuan no informó ninguna divulgación financiera relevante. Consulte el resumen de todas las divulgaciones financieras relevantes para otros investigadores.
Los resultados del estudio muestran que un modelo de IA demostró la previsibilidad del cáncer de páncreas, utilizando registros médicos electrónicos para identificar a las personas con un riesgo 25 veces mayor de desarrollar la enfermedad en un plazo de 3 a 36 meses.
Los investigadores dijeron que los hallazgos, presentados en la reunión anual de la Asociación Estadounidense para la Investigación del Cáncer, podrían respaldar el diseño de futuros ensayos de detección para pacientes con alto riesgo de cáncer de páncreas.
«Si podemos encontrar una manera de identificar a los pacientes con cáncer antes del momento habitual del diagnóstico, podría ser muy útil para los pacientes y el público en general». pu yuan, Uno de los candidatos a doctorado en la Universidad de Harvard, dijo Helio. «Los modelos de inteligencia artificial (IA) han demostrado ser poderosos y exitosos en muchas aplicaciones del mundo real. Por lo tanto, argumentamos que la aplicación de métodos de aprendizaje automático a grandes conjuntos de datos hospitalarios puede ser una forma de diseñar tales herramientas predictivas».
antecedentes
Yuan y sus colegas utilizaron registros médicos electrónicos del Registro Nacional de Pacientes de Dinamarca, que incluye datos de 6,1 millones de pacientes tratados entre 1977 y 2018, para entrenar modelos de IA. Alrededor de 24.000 de estos pacientes desarrollaron cáncer de páncreas.
Se ha puesto a prueba una variedad de métodos de aprendizaje automático, desde métodos de regresión hasta métodos de series temporales. Los investigadores entrenaron a los modelos específicamente en las secuencias de la enfermedad en el historial clínico de cada paciente para que los modelos pudieran identificar los patrones de diagnóstico que más predijeron el riesgo de cáncer de páncreas.
«Usamos la analogía de que la secuencia de registros médicos es similar a una oración de palabras en inglés», dijo Yuan. «Todos sabemos que ha habido muchos modelos impresionantes de IA para problemas de procesamiento del lenguaje natural, como traducción, texto a audio y análisis basado en texto. ¿Por qué no podemos adaptar este concepto a la tarea de la biomedicina?»
Los investigadores probaron la capacidad predictiva de los modelos Cáncer de páncreas Ocurren en puntos de tiempo de 3 a 60 meses después de la evaluación de riesgos.
Consecuencias
Para predecir la progresión del cáncer dentro de los 36 meses, el mejor modelo superó significativamente al modelo sin información de tiempo (AUC = 0,88; OR = 47,5 para el 20 % de recuerdo, 159 para el 10 % de recuerdo), incluso cuando el entrenamiento no incluyó eventos de enfermedad que ocurrieron 3 meses antes del diagnóstico (AUC = 0,84). Las personas consideradas de alto riesgo tienen una probabilidad 25 veces mayor de desarrollar cáncer de páncreas en un período de 3 a 36 meses que aquellas que se encuentran por debajo del umbral de riesgo.
Los investigadores utilizaron registros médicos electrónicos (EMR, por sus siglas en inglés) del Sistema Integral de Atención Médica de Mass Brigham para validar los hallazgos. El modelo mostró una precisión similar; Sin embargo, Yuan dijo que aplicar los métodos en un sistema de salud diversificado presenta desafíos inesperados.
«La transferencia ciega de un modelo capacitado en un país a otro no tuvo éxito. Pero el desempeño de los modelos capacitados de forma independiente en cada país, afortunadamente, tuvo altos niveles de desempeño similares, a pesar de las diferencias sustanciales en la economía de la atención médica y las prácticas de facturación y registro». Yuan dijo. «Esto subraya el poder de los métodos de aprendizaje automático profundo en conjuntos de datos grandes y complejos».
Yuan y sus colegas tuvieron dificultades para identificar con precisión los patrones de diagnóstico que predecían el riesgo de cáncer de páncreas debido a la naturaleza compleja de la red neuronal. Han encontrado correlaciones importantes para algunas características clínicas: Incluyendo diabetesEnfermedades del páncreas, conductos biliares, úlceras estomacales, con mayores riesgos.
«En términos más generales, estos hallazgos indican el poderoso potencial de las tecnologías computacionales avanzadas, como la inteligencia artificial y el aprendizaje profundo, para contribuir a las soluciones de los problemas de salud del mundo real al proporcionar predicciones cada vez más precisas basadas en la salud y el historial de enfermedades de cada individuo», dijo. .
Monumentos
El trabajo aborda solo el primer paso hacia la implementación del diagnóstico y tratamiento tempranos del cáncer de páncreas en la práctica clínica, según Yuan. Otros pasos incluyen la detección detallada de pacientes de alto riesgo y el tratamiento efectivo después de la detección temprana.
«Con un método razonablemente preciso para predecir el riesgo de cáncer, uno puede dirigir a los pacientes de alto riesgo apropiados a ensayos clínicos de detección», dijo. «Tener una cohorte suficientemente rica de pacientes con alto riesgo haría que las pruebas de detección detalladas fueran asequibles, ya que es probable que dichas pruebas sean costosas a nivel de la población, y mejoraría el valor predictivo positivo de dichas pruebas».
Próximos pasos
“Ahora podemos convertir estos hallazgos en el diseño de ensayos clínicos de detección, aplicando el software a los registros de salud de casi un millón de pacientes, identificando a los que corren mayor riesgo y reclutando en un ensayo clínico con pruebas de detección detalladas para aproximadamente 200 pacientes de alto riesgo. ”, dijo Yuan Heliu. «La ventaja especial de este proceso de dos pasos es que la detección computarizada es muy económica, y cuanto más exitosa sea la predicción de altos riesgos de cáncer, mayor será la eficiencia y menor el costo de la detección clínica y los sofisticados programas de intervención terapéutica».
impresión
Anirban Mitra, MBBS
La gran mayoría de los pacientes con cáncer de páncreas tienen enfermedad metastásica local o distante, y los enfoques terapéuticos actuales muestran un efecto más que modesto sobre la supervivencia. Sin embargo, se observó una mejora gradual en los resultados, incluida la perspectiva bienvenida de un tratamiento a largo plazo, dentro del subgrupo de pacientes diagnosticados con enfermedad localizada y, por lo tanto, susceptibles de resección quirúrgica y terapias adyuvantes. Por ejemplo, los pacientes diagnosticados con cáncer en etapa 1, a menudo porque están en un programa de vigilancia de alto riesgo, muestran tasas de supervivencia a 5 años cercanas al 80 % frente a menos del 5 % de supervivencia a 5 años en el cáncer de páncreas avanzado. Desafortunadamente, los cánceres en etapa I representan una pequeña porción de todos los casos, lo que subraya los desafíos de la detección temprana de esta enfermedad.
¿Cómo podemos identificar de manera más confiable a las personas en riesgo de desarrollar cáncer de páncreas, lo que permite un diagnóstico temprano y mejoras en la supervivencia? Pacientes con mutaciones en genes como BRCA2 o aquellos con quistes mucinosos pancreáticos representan dos grupos de alto riesgo bien establecidos que normalmente se colocan en programas de vigilancia. Sin embargo, estos subgrupos no incluyen más del 80 % al 85 % de los pacientes con cáncer de páncreas en ausencia de un factor de riesgo atribuible claro.
Ahora, Yuan y sus colegas han utilizado algoritmos basados en IA para extraer enormes cantidades de elementos de datos estructurados retrospectivamente en registros de radiación electromagnética. Identificaron patrones de síntomas dentro de estos registros que podrían identificar a pacientes con alto riesgo de desarrollar cáncer de páncreas dentro de los próximos tres a 36 meses. A diferencia de estudios anteriores basados en IA que simplemente observaron resúmenes de síntomas neutrales en el tiempo, el estudio actual también superpone su secuenciación en un algoritmo de IA, lo que proporciona una capa adicional de refinamiento.
El siguiente paso será la implementación realista de este algoritmo en uno o más grupos de posibles. La identificación de individuos con alto riesgo ‘intermitente’ de desarrollar cáncer de páncreas puede tener un enorme impacto en el curso a largo plazo de esta rebelde enfermedad.
Anirban Mitra, MBBS
Centro Sheikh Zayed para la Investigación del Cáncer de Páncreas
MD Anderson Cancer Center de la Universidad de Texas
Divulgaciones: Maitra reporta capital de Cosmos Wisdom Biotechnology, roles de asesoría en Freenome y Tezcat Biotechnology, y la inclusión como inventor en una patente con licencia para Thrive Earlier Detection Corp. (Corporación de Ciencias Exactas).
La reunión anual de la Asociación Americana para la Investigación del Cáncer
«Propenso a ataques de apatía. Explorador de aspirantes. Analista ávido. Fanático de Internet. Comunicador»
More Stories
Un fenómeno parecido a un arco iris puede brillar en el infernal exoplaneta WASP-76b
El caos cósmico y las pistas en rápidas ráfagas de radio
SpaceX lanzará satélites Starlink en la misión número 40 de la compañía en 2024